面向遥感图像小目标检测的深度学习超分辨率方法研究

统一信息编码：HLJGGG********036

专业领域：制导与控制技术,探测与识别,卫星应用

卫星遥感在军事与民用的诸多领域都得到了广泛应用，比如城市规划，自然灾害预警和军事侦察等。然而，由于硬件和成本的限制，观测数据的分辨率往往不能满足终端用户的需求。因此，以成本效益高的方式提供高质量的卫星图像对大多数应用来说具有十分重要意义。单幅图像超分辨率能够从低分辨率图像中推断出高分辨率图像，在提升卫星图像的分辨率方面可发挥良好作用。本项目研究卫星遥感图像的超分辨率方法，以实现遥感图像小目标的高精度检测。

研究内容：（1）卫星遥感成像物理特性与成像观测退化模型；（2）面向图像品质提升的深度学习图像重建方法；（3）小目标特征超分辨率方法与目标检测验证评估。

主要指标和技术要求：（1）在8倍放大因子时，提升超分辨率图像质量比较传统算法在5dB以上；（2）超分辨率图像提升目标检测精度大于15%。

成果形式：研究报告、发明专利、算法软件研究周期：2年经费预算：20-25万

联系人：陈阳联系电话：189*****335